DeepSeek Harness 深度解析（下）：部署指南与实战案例

一行命令启动，十分钟上手，本文将带你从零开始部署和使用 DeepSeek Harness。

在前两篇中，我们介绍了 DeepSeek Harness 的核心概念和竞品对比。本文将详细介绍如何部署、配置和使用 DeepSeek Harness，并通过实战案例展示其强大能力。

一、环境准备

1.1 系统要求

1.2 获取 API 密钥

1. 访问 platform.deepseek.com
2. 注册账号并创建 API Key
3. 记录 Key（格式：sk-xxxxxxxxxxxx）

二、安装部署

2.1 方法一：npx 一键启动（推荐）

1

npx @deepseek-ai/dsh web

启动后访问 http://127.0.0.1:3080

优点：零安装、自动更新、最快上手

2.2 方法二：源码构建

1
2
3
4
5

git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web

优点：可调试、可修改、可固定版本

2.3 方法三：全局安装

1
2

npm install -g @deepseek-ai/dsh
dsh web

2.4 方法对比

三、首次配置

3.1 启动 Web UI

1

npx @deepseek-ai/dsh web

浏览器打开 http://127.0.0.1:3080

3.2 配置模型

1. 点击 Settings → Models
2. 输入 DeepSeek API Key
3. 选择模型：
   • deepseek-v4-flash：快速、经济（推荐日常使用）
   • deepseek-v4-pro：最强推理（适合复杂任务）

3.3 选择工作区

1. 点击 Choose workspace
2. 选择你的项目目录
3. 开始使用！

3.4 配置文件位置

所有配置存储在 ~/.dsh/ 目录：

1
2
3
4
5

~/.dsh/
├── profiles/           # 配置文件
├── .credentials.yaml   # API 密钥
├── settings.yaml       # 设置
└── cordis.patch.yml    # 插件补丁

四、四种运行模式详解

4.1 Standard 模式（推荐）

用途：完整的编码代理

工具集：

• 文件编辑（bash/pwsh）
• 文件系统操作
• 后台任务
• 技能系统
• 子代理（spawn/fork）
• 工作流
• 规划模式
• 上下文压缩
• 目标系统
• 网页搜索

适用场景：日常编码、代码审查、Bug 修复

4.2 Code 模式

用途：SDK 集成

特点：

• 通过 Code Mode SDK 暴露工具
• 模型编写 TypeScript 程序一次性执行
• 五次工具调用压缩为一次

适用场景：批量操作、自动化脚本

4.3 Minimal 模式

用途：模型基准测试

工具集：

• 仅 bash
• 仅 str_replace_editor

适用场景：测试模型纯推理能力

4.4 Creator 模式

用途：插件开发

特点：

• 运行时检查
• 内存插件实验
• 插件编写指导

适用场景：开发自定义插件

五、插件系统

5.1 安装插件

1

dsh plugin --profile web add <package-name>

5.2 插件市场

社区已提供 2400+ 插件，覆盖：

活跃的社区贡献者正在快速填充这个生态：

5.3 创建自定义插件

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

// my-plugin/index.ts
export const manifest = {
  name: 'my-custom-tool',
  version: '1.0.0',
  permissions: ['file:read', 'shell:execute']
};

export default async function handler(ctx) {
  // 你的工具逻辑
  return { result: 'done' };
}

六、实战案例

案例 1：代码审查与 Bug 修复

场景：审查一个 Python 项目，找出潜在问题并修复。

步骤：

1. 打开 DeepSeek Harness Web UI
2. 选择 Standard 模式
3. 发送任务：

1
2
3
4
5
6

请审查这个 Python 项目，找出：
1. 安全漏洞
2. 性能瓶颈
3. 代码规范问题

然后自动修复发现的问题。

预期输出：

• 详细的问题清单
• 每个问题的修复建议
• 自动应用的修复代码
• 修复前后的对比

费用估算：

• 输入：~50K tokens（项目代码）
• 输出：~10K tokens（审查报告）
• 成本：约 $0.05（使用 V4-Flash）

案例 2：自动化测试生成

场景：为现有代码自动生成单元测试。

步骤：

1. 发送任务：

1
2
3

为 src/utils.py 中的所有函数生成单元测试。
使用 pytest 框架，覆盖正常情况和边界情况。
确保测试覆盖率 > 90%。

2. Agent 自动：
   • 分析代码结构
   • 识别所有函数
   • 生成测试用例
   • 运行测试验证
   • 生成覆盖率报告

预期结果：

• 自动生成的 test_utils.py
• 测试覆盖率报告
• 运行结果摘要

案例 3：文档自动生成

场景：为项目自动生成 README 和 API 文档。

步骤：

1. 发送任务：

1
2
3
4
5
6

分析这个项目，生成：
1. 完整的 README.md
2. API 文档（使用 OpenAPI 格式）
3. 架构说明文档

确保文档清晰、完整、易于理解。

2. Agent 自动：
   • 分析项目结构
   • 识别 API 端点
   • 生成 Markdown 文档
   • 创建 API 规范文件

案例 4：代码重构

场景：将一个大型函数重构为模块化设计。

步骤：

1. 发送任务：

1
2
3
4
5
6
7
8

重构 src/processor.py 中的 process_data 函数。
当前函数超过 500 行，违反了单一职责原则。
请：
1. 识别可独立的功能模块
2. 拆分为多个小函数
3. 保持功能不变
4. 添加类型注解
5. 生成新的测试用例

2. Agent 自动：
   • 分析函数结构
   • 识别功能边界
   • 执行重构
   • 更新测试
   • 验证功能

七、高级技巧

7.1 利用 KV Cache 省钱

将重复内容放在 Prompt 前缀：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

# 系统提示（这部分会被缓存）
你是一位资深的 Python 开发工程师，擅长代码审查。
请遵循以下代码规范：
- 使用类型注解
- 编写 docstring
- 遵循 PEP 8
...

# 项目上下文（这部分也会被缓存）
项目名称：MyApp
技术栈：Python 3.11, FastAPI, SQLAlchemy
...

# 具体任务（这部分每次都会变化）
请审查 src/api/users.py 中的代码。

7.2 使用子代理处理复杂任务

1
2
3
4
5
6
7
8

请使用以下步骤重构这个项目：

1. 首先，分析整个项目结构
2. 然后，识别代码异味和重复代码
3. 接着，制定重构计划
4. 最后，逐步执行重构并验证

如果任何步骤失败，请回滚并报告问题。

7.3 自定义工作流

创建 .dsh/workflow.yml：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

name: code-review
steps:
  - name: analyze
    prompt: "分析代码结构和依赖关系"
  - name: review
    prompt: "审查代码质量和安全性"
  - name: fix
    prompt: "自动修复发现的问题"
  - name: test
    prompt: "运行测试验证修复"

八、常见问题解决

8.1 端口被占用

1
2
3
4
5

# 查找占用 3080 端口的进程
lsof -i :3080

# 使用其他端口启动
npx @deepseek-ai/dsh web --port 8080

8.2 API 连接失败

1
2
3
4
5
6

# 检查 API Key
cat ~/.dsh/.credentials.yaml

# 测试 API 连接
curl https://api.deepseek.com/v1/models \
  -H "Authorization: Bearer YOUR_API_KEY"

8.3 模型响应缓慢

• 使用 deepseek-v4-flash 替代 v4-pro
• 启用 KV Cache 缓存
• 减少 Prompt 中的上下文长度

九、总结

快速上手清单

1. ✅ 安装 Node.js 22+
2. ✅ 运行 npx @deepseek-ai/dsh web
3. ✅ 配置 API Key
4. ✅ 选择工作区
5. ✅ 开始使用！

推荐配置

学习资源

• 官方 GitHub
• 官方文档
• 插件市场
• 社区讨论

系列总结：

• 上篇：介绍了 Harness 的核心概念、Agent、提示词工程、OpenClaw、CloudCode、Codex 等
• 中篇：深入对比了推理能力和费用，DSH 在成本方面具有压倒性优势
• 下篇：详细介绍了部署方法、使用技巧和实战案例

DeepSeek Harness 代表了 AI Agent 发展的新方向——从"模型竞争"到"Harness 竞争"。无论你是开发者、团队还是企业，都值得尝试这个开源、灵活、低成本的 Agent 运行时。

本文最后更新时间：2026年8月22日